Python Niveau 2, la data science avec Python
Objectifs
- Python est aujourd’hui devenu un incontournable dans le développement de projet en data science
- Cette seconde formation abordera toutes les étapes de la data science depuis la récupération de données jusqu’à la mise en place opérationnelle
Programme
Rappels sur les principes de la data science
- Data mining et machine learning
- Les principes de l’architecture distribuée
La récupération de données
- Comment requêter sur les bases de données
- Comment récupérer les informations issues des réseaux sociaux
- Comment attaquer les API pour mettre à jour les données issues de l’open data : météo, trafic, …
- Comment lire des fichiers binaires
La manipulation de données
- Comment lire les fichiers à balises JSON (ce sont les fichiers issus de Twitter par exemple)
- Comment manipuler les données textuelles, images, vidéos et sons
- Comment faire du data management (avec le module pandas)
La modélisation
- La data visualisation sous Python
- Comment utiliser les principales méthodes de machine learning avec Scikit learn
- Comment faire du machine learning sur un cluster Hadoop avec les modules MLLIB de Spark et Sparkling Water (H20 + Spark)
- Le deep learning avec H20 et Keras
Mise en œuvre
- Mettre en place une interface graphique conviviale
- Optimiser les traitements : multi threading, application client/serveur, la gestion de la mémoire sous Python
- Sécuriser l’application : demande de mot de passe et chiffrage des mots de passes
- Encapsuler vos applications
- Générer de la documentation
Cas pratiques et best practices
MOYENS PÉDAGOGIQUES ET TECHNIQUES D’ENCADREMENT DES FORMATIONS
Modalités pédagogiques :
- Évaluation des besoins et du profil des participants.
- Apport théorique et méthodologique : séquences pédagogiques regroupées en différents modules.
- Contenus des programmes adaptés en fonction des besoins identifiés pendant la formation.
- Le formateur évalue la progression pédagogique du participant tout au long de la formation au moyen de travaux pratiques, étude de cas et mise en situation.
- Méthodes expositive, active et participative.
- Réflexion et échanges sur cas pratiques.
- Retours d'expériences.
- Corrections appropriées et contrôles des connaissances à chaque étape, fonction du rythme de l’apprenant mais également des exigences requises au titre de la formation souscrite.
Éléments matériels :
- Mise à disposition des outils nécessaires au bon déroulement des travaux pratiques.
- Support de cours au format numérique projeté sur écran et transmis au participant en fin de la formation.
Référent pédagogique et formateur :
- Chaque formation est sous la responsabilité du directeur pédagogique de l’organisme de formation.
- Le bon déroulement est assuré par le formateur désigné par l’organisme de formation.
MOYENS PERMETTANT LE SUIVI ET L’APPRÉCIATION DES RÉSULTATS
- Feuilles de présences signées des participants et du formateur par demi-journée.
- Attestation de fin de formation mentionnant les objectifs, la nature et la durée de l’action et les résultats de l’évaluation des acquis de la formation.
Please login to get access to the quiz
Back to Data Science
